論文の概要: Humanoid-DART: Humanoid Loco-Manipulation using Diffusion-guided Augmentation through Relabeling and Tracking
- arxiv url: http://arxiv.org/abs/2606.26855v1
- Date: Thu, 25 Jun 2026 10:40:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 18:46:32.236723
- Title: Humanoid-DART: Humanoid Loco-Manipulation using Diffusion-guided Augmentation through Relabeling and Tracking
- Title（参考訳）: ヒューマノイドDART:リラベルと追跡による拡散誘導増幅を用いたヒューマノイドロコマニピュレーション
- Abstract要約: 人間のデモンストレーションを模倣することは、ヒューマノイドのロコ操作ポリシーを学ぶための支配的なパラダイムとして現れてきた。
本稿では,スパースデモからブートストラップし,行動レパートリーを段階的に拡張する自己教師型フレームワークを提案する。
我々は,複数のヒューマノイド・ロコ・マニピュレーション・スキルにおけるフレームワークの有効性を実証する。
- 参考スコア（独自算出の注目度）: 1.7956387908402205
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Imitating human demonstrations has emerged as a dominant paradigm for learning humanoid loco-manipulation policies. However, scaling these approaches remains challenging due to the high cost of collecting diverse demonstrations and the need for continual human intervention to correct policy failures. In this paper, we present a self-supervised framework that bootstraps from sparse demonstrations and progressively expands its behavioral repertoire, enabling the learning of a goal-conditioned policy that automatically explores the goal space with minimal expert supervision. Our approach combines diffusion-based trajectory generation with reinforcement learning, where the latter is used to track goal-conditioned trajectories produced by the diffusion model for a range of loco-manipulation skills. Through extensive ablation studies and comparisons with state-of-the-art methods, we demonstrate the effectiveness of our framework on multiple humanoid loco-manipulation skills.
- Abstract（参考訳）: 人間のデモンストレーションを模倣することは、ヒューマノイドのロコ操作ポリシーを学ぶための支配的なパラダイムとして現れてきた。
しかし、多様なデモンストレーションを収集するコストが高いことと、政策の失敗を正すための継続的な人的介入の必要性のため、これらのアプローチのスケールアップは依然として困難なままである。
本稿では,スパースデモからブートストラップし,その行動レパートリーを段階的に拡張する自己教師型フレームワークを提案する。
本手法は,拡散に基づく軌道生成と強化学習を併用し,拡散モデルにより生成した目標条件付き軌道をロコ操作スキルの範囲で追跡する。
最先端技術との比較研究を通じて,複数のヒューマノイド・ロコ・マニピュレーション・スキルに対するフレームワークの有効性を実証した。
関連論文リスト
- Guided Discovery of New Behaviors using Diffusion Policies [10.086845726616694]
本稿では,拡散政策のサンプルを将来性に乏しいサンプルへ誘導する枠組みを提案する。
提案手法は, 新規な軌道を効果的にマイニングし, 修復し, 多様な, 実行可能な動作の体系的な発見を可能にする。
論文 参考訳（メタデータ） (2026-06-07T17:24:44Z) - HumanoidMimicGen: Data Generation for Loco-Manipulation via Whole-Body Planning [52.022681285103126]
我々はHumanoid MimicGenについて述べる。
本手法は,少数の実演から新しい状態へ,接触に富んだ全身スキルを適応させる。
我々は、HumanoidMimicGenが生成したデータと協調してトレーニングされた全身ビズモータポリシーが、実世界のデータでのみトレーニングされたものよりも20%優れていたことを示す。
論文 参考訳（メタデータ） (2026-05-26T21:57:11Z) - Human-Robot Copilot for Data-Efficient Imitation Learning [38.76308745375941]
遠隔操作による人間の実演を収集し,ロボットにタスク固有のスキルを教える枠組みを提案する。
Human-Robot Copilotフレームワークは、広範囲の産業用および研究用マニピュレータとの互換性を維持しながら、デクスタラス遠隔操作のスケーリングファクタを利用することができる。
論文 参考訳（メタデータ） (2026-04-04T07:00:32Z) - GraspLDP: Towards Generalizable Grasping Policy via Latent Diffusion [44.168491831527355]
本稿では,模倣学習を通じて学習した操作ポリシーの把握精度の向上と一般化に焦点を当てた。
既存の把握のための模倣学習技術は、しばしば不正確な把握の実行、空間的一般化の制限、オブジェクトの一般化の不足に悩まされる。
論文 参考訳（メタデータ） (2026-02-26T10:56:01Z) - SAGE: Saliency-Guided Contrastive Embeddings [4.33144664431421]
モデルトレーニングに相性を統合する既存のアプローチは、しばしば内部モデルメカニズムに依存します。
本稿では,SAGE(Saliency-Guided Contrastive Embeddings)を提案する。
我々は,SOTAの正当性に基づく手法に対して,オープンおよびクローズドセットの両方のシナリオで分類性能が向上することを示す。
論文 参考訳（メタデータ） (2025-11-16T19:19:59Z) - Dexplore: Scalable Neural Control for Dexterous Manipulation from Reference-Scoped Exploration [58.4036440289082]
ハンドオブジェクトモーションキャプチャ(MoCap)は、大規模でコンタクトに富んだデモと、器用なロボットスコープの約束を提供する。
Dexploreは、リポジトリとトラッキングを実行し、MoCapから直接ロボット制御ポリシーを学習する、統一された単一ループ最適化である。
論文 参考訳（メタデータ） (2025-09-11T17:59:07Z) - Inverse-RLignment: Large Language Model Alignment from Demonstrations through Inverse Reinforcement Learning [62.05713042908654]
本稿では,これらの課題を克服するために,高品質な実演データを活用する新しいアプローチであるAlignment from Demonstrations (AfD)を紹介する。
AfDをシーケンシャルな意思決定フレームワークで形式化し、報酬信号の欠如というユニークな課題を強調します。
そこで本研究では,AfD に適した報酬モデル上で補間を行う計算効率のよいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-05-24T15:13:53Z) - Mimicking Better by Matching the Approximate Action Distribution [48.95048003354255]
そこで我々は,Imitation Learning from Observationsのための新しい,サンプル効率の高いオンライン政治アルゴリズムMAADを紹介する。
我々は、専門家のパフォーマンスを達成するためには、かなり少ないインタラクションが必要であり、現在最先端の政治手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2023-06-16T12:43:47Z) - Sample-Efficient Reinforcement Learning with Symmetry-Guided Demonstrations for Robotic Manipulation [7.099237102357281]
強化学習(RL)は、特に高次元連続状態-作用空間において、サンプル効率の低下に悩まされる。
デモとRL生成の両方を格納するデュアルバッファアーキテクチャを用いた新しいトレーニングフレームワークであるDemo-EASEを紹介する。
その結果,Demo-EASEは標準のRLベースラインに比べてコンバージェンスを著しく加速し,最終性能を向上させることがわかった。
論文 参考訳（メタデータ） (2023-04-12T11:38:01Z) - Safe Multi-agent Learning via Trapping Regions [89.24858306636816]
我々は、動的システムの定性理論から知られているトラップ領域の概念を適用し、分散学習のための共同戦略空間に安全セットを作成する。
本稿では,既知の学習力学を持つシステムにおいて,候補がトラップ領域を形成することを検証するための二分分割アルゴリズムと,学習力学が未知のシナリオに対するサンプリングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-02-27T14:47:52Z) - Human-in-the-Loop Imitation Learning using Remote Teleoperation [72.2847988686463]
6-DoF操作設定に合わせたデータ収集システムを構築します。
システムによって収集された新しいデータに基づいて,ポリシーを反復的にトレーニングするアルゴリズムを開発した。
介入型システムで収集したデータに基づいて訓練されたエージェントと、非介入型デモ参加者が収集した同等数のサンプルで訓練されたアルゴリズムを上回るエージェントを実証する。
論文 参考訳（メタデータ） (2020-12-12T05:30:35Z) - AvE: Assistance via Empowerment [77.08882807208461]
そこで我々は,人間の環境制御能力を高めることで,支援のための新しいパラダイムを提案する。
このタスクに依存しない目的は、個人の自律性と最終的な状態を達成する能力を維持する。
論文 参考訳（メタデータ） (2020-06-26T04:40:11Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。